搜索资源列表
机械振动学
- 机械振动学： 《机械振动学》（研究生）（46学时内容与实施计划） Part Ⅰ.线弹性系统的振动 Chapter1.多自由度系统的振动分析 Chapter2.弹性体的振动分析 Chapter3.多自由度系统的特征值、特征向量的计算 Chapter4.振动分析的数值方法 PartⅡ.随机振动 Chapter1.随机过程概论 Chapter2.随机过程的时域分析 Chapter3.随机过程的频域分析 Chapter4.系统的响应函数 Chapter5.系统的随机振动分析 Chapter6.结构随机响
Cpp1
- 用幂法和反幂法实现求矩阵的特征值和特征向量-With the power method and inverse power law to achieve demand matrix eigenvalues and eigenvectors
EigenvalueDecomposition
- 基于矩阵特征值分解的功率谱估计包括特征向量估计和MUSIC估计，这两种估计方法均为非参数估计方法-Based on Eigenvalue Decomposition of power spectral estimation, including estimation and MUSIC eigenvector estimates, these two estimation methods are non-parameter estimation
facial-features
- 运用于人脸识别中的特征提取方法：通过稀疏化特征向量（即使一些不重要的特征值为0），来减少运算量-Used in face recognition feature extraction methods: by sparse feature vector (even if some important features of value 0), to reduce the computation
Matrix_Pencil
- 出一种实现不同维间估计结果自动配对的二维频率估计算法。首先把二维频率估计问题转化成两个矩阵束的特征值问题。根据矩阵束的特征求出两个矩阵束的公共特征向量，并以此为基础同时求出两个矩阵束的特征值。算法估计误差与现有算法相近，但解决了现有算法普遍存在的配对难题。 -Matrix pencils play an important role in numerical linear algebra. The problem of finding the eigenvalues of a pencil
0
- 利用主元分析和奇异值分解进行人脸特征提取的方法(并详细阐述其在PQRSQT中的实现过程(包括读取图像文件U计算均值脸U求特征值和特征向量(计算人脸特征参数-实现过程均给出了MATLAB代码-Using principal component analysis and singular value decomposition facial feature extraction method (and detail its in the PQRSQT in the implementation pr
matlab
- 误差的来源 非线性方程（组）的数值解法 解线性方程组的直接方法 解线性方程组的迭代法 矩阵的特征值与特征向量的计算 函数的插值方法 函数逼近与曲线（面）拟合 数值微分 数常微分方程（组）求解值积分 -The source of the error Numerical method for solving the nonlinear equation (group) The direct method of solving linear
renlianhsib
- PCA 人脸识别修订版，识别率88％ 获取特征值及特征向量 word 可以参考 学习-PCA face recognition revision, the recognition rate of 88 Get the eigenvalues and eigenvectors word can refer to learning
irbleigs_svd
- 求解大型矩阵的特征值和特征向量irbleigs_svd-Solving large eigenvalues and eigenvectors irbleigs_svd
zhuchengfen
- 返回相关系数矩阵 返回特征值 返回特征向量 贡献率 累计贡献率 主 成分载荷矩阵 -principal components analysis
3342
- 包含特征值与特征向量的提取、训练样本以及最后的识别，匹配追踪和正交匹配追踪，滤波求和方式实现宽带波束形成。- Contains the eigenvalue and eigenvector extraction, the training sample, and the final recognition, Matching Pursuit and orthogonal matching pursuit, Filtering summation way broadband beamforming
nd601
- 包含特征值与特征向量的提取、训练样本以及最后的识别，时间序列数据分析中的梅林变换工具，计算一维光子晶体的透射特性和反射特性。- Contains the eigenvalue and eigenvector extraction, the training sample, and the final recognition, Time series data analysis Mellin transform tool, Calculated transmission characteristi
fun_ge36
- matlab实现了五类灰色关联度模型的计算,包含特征值与特征向量的提取、训练样本以及最后的识别，利用matlab写成的窄带噪声发生。- matlab implements five gray correlation degree computing model, Contains the eigenvalue and eigenvector extraction, the training sample, and the final recognition, Using matlab writt
2106
- 包含特征值与特征向量的提取、训练样本以及最后的识别，该函数用来计算任意函数的一阶偏导数(数值方法),基于matlab平台实现。- Contains the eigenvalue and eigenvector extraction, the training sample, and the final recognition, This function is used to calculate the arbitrary function of the first order partial
jxdcx
- 包含特征值与特征向量的提取、训练样本以及最后的识别，通过虚拟阵元进行DOA估计，GPS和INS组合导航程序。- Contains the eigenvalue and eigenvector extraction, the training sample, and the final recognition, Conducted through virtual array DOA estimation, GPS and INS navigation program.
bensui-V0.6
- 对于初学matlab的同学会有帮助，包含光伏电池模块、MPPT模块、BOOST模块、逆变模块，包含特征值与特征向量的提取、训练样本以及最后的识别。- Matlab for beginner students will help, PV modules contain, MPPT module, BOOST module, inverter module, Contains the eigenvalue and eigenvector extraction, the training sample
gj862
- 采用加权网络中节点强度和权重都是幂率分布的模型，包括主成分分析、因子分析、贝叶斯分析，包含特征值与特征向量的提取、训练样本以及最后的识别。- Using weighted model nodes in the network strength and weight are power law distribution, Including principal component analysis, factor analysis, Bayesian analysis, Contains the
jwsxm
- 包含特征值与特征向量的提取、训练样本以及最后的识别，毕业设计有用，包含收发两个客户端的链路级通信程序。- Contains the eigenvalue and eigenvector extraction, the training sample, and the final recognition, Graduation useful Contains two clients receive link-level communications program.
jaolingpou
- Pisarenko谐波分解算法,包含特征值与特征向量的提取、训练样本以及最后的识别，基于多相结构的信道化接收机。- Pisarenko harmonic decomposition algorithm, Contains the eigenvalue and eigenvector extraction, the training sample, and the final recognition, Channelized receiver based on multi-phase struct